\(~\)

En el siguiente informe se preparará el mapa que grafique nuestro prototipo, el cual se aplicará en el barrio de Flores y en un número reducido de escuelas.

\(~\)

Preparación

\(~\)

Corremos las librerías:

library(tidyverse)
library(leaflet)
library(sf)
library(sqldf)

Bajamos los datasets que vamos a usar:

Radio_Censal <- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/informacion-censal-por-radio/caba_radios_censales.geojson")
Establecimientos_Educativos <- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/establecimientos-educativos/establecimientos-educativos.geojson")
Barrio<- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson")

\(~\)

Análisis de vulnerabilidad

\(~\)

Calculamos las NBI con respecto a la población:

ggplot(Radio_Censal) +
  geom_sf(mapping = aes(fill = HOGARES_NBI/POBLACION) )

Fig. 1: Tasa de hogares con NBI sobre población

\(~\)

Corremos el radio censal para conocer las zonas más vulnerables:

Radio_Censal <- st_transform(Radio_Censal, 4326)
pal_fun <- colorQuantile("YlOrRd", NULL, n = 5)
p_popup <- paste0("<strong>Densidad de NBI: </strong>", Radio_Censal$HOGARES_NBI)
leaflet(Radio_Censal) %>%
  addPolygons(
    stroke = FALSE, 
    fillColor = ~pal_fun(HOGARES_NBI),
    fillOpacity = 0.8, smoothFactor = 0.5,
    popup = p_popup) %>%
  addTiles()

Fig. 2: Zonas de CABA según vulnerabilidad

\(~\)

Análisis de establecimientos educativos

\(~\)

Filtramos establecimientos educativos secundarios:

Establecimientos_Educativos %>% filter(str_detect(nivel,"^Secundario+.*"))

Seleccionamos modalidad común / adolescente y establecimientos públicos de Flores:

Establecimientos_Educativos <- Establecimientos_Educativos %>%
  filter( (DEPFUN != "Dir Gral de Educación de Gestión Privada") & str_detect(nivel,"^Secundario Común+.*") & (BARRIO == "FLORES") )

Reproyectamos:

Barrio <- Barrio %>% filter(barrio == "FLORES")
Barrio <- st_transform(Barrio, 4326)

Preparamos los datasets, separando los centros educativos que serán nuestro prototipo de las demás escuelas en Flores:

unique(Establecimientos_Educativos$NOMBRE_EST)

Establecimientos_Estudiados <- Establecimientos_Educativos[-c(2, 3, 5, 6, 7, 9),] 
Todos <- Establecimientos_Educativos[-c(1, 4, 8),]

\(~\)

Preparación del mapa prototipo

\(~\)

Bajamos los íconos que vamos a usar para nuestro pop-up y para diferenciar las escuelas:

Icono_Bus <- makeIcon(
  iconUrl = "https://icon-icons.com/downloadimage.php?id=100552&root=1465/PNG/512/&file=605bus_100552.png",
  iconWidth = 25, iconHeight = 25)

Icono_Escuela <- makeIcon(
  iconUrl = "https://icon-icons.com/downloadimage.php?id=126269&root=2070/PNG/512/&file=school_icon_126269.png",
  iconWidth = 25, iconHeight = 25)

Reproyectamos y armamos nuestros pop-ups:

Radio_Censal <- st_transform(Radio_Censal, 4326) 
pal_fun <- colorQuantile("YlOrRd", NULL, n = 5)
p_popup_sv <- paste0("<strong>Densidad de NBI: </strong>", (Radio_Censal$HOGARES_NBI/Radio_Censal$POBLACION))
p_popup_ee <- paste0("<strong>Nombre: </strong>", Establecimientos_Educativos$NOMBRE_EST, 
                     " <strong>Modalidad: </strong>", Establecimientos_Educativos$NIVMOD)

Creamos el mapa interactivo resaltando nuestro barrio prototipo (Flores) y poniendo las tres escuelas (seleccionadas por ser zonas rojas, de alta vulnerabilidad):

leaflet(data = Radio_Censal) %>% 
  addTiles() %>%
  addPolygons(
    stroke = FALSE, 
    fillColor = ~pal_fun(HOGARES_NBI),
    fillOpacity = 0.3, smoothFactor = 0.5,
    popup = p_popup_sv) %>%
  addPolylines(data = Barrio, color = "#6576A4", fill = "#6576A4",
               fillColor = 
                 "#6576A4") %>%
  addMarkers(data = Todos, 
             icon = Icono_Escuela, 
             popup = p_popup_ee)%>%
  addMarkers(data = Establecimientos_Estudiados, 
             icon = Icono_Bus, 
             popup = p_popup_ee)

Fig. 3: Mapa interactivo de vulnerabilidad con establecimientos educativos de Flores